基于CEEMDAN的矿山微震信号特征提取和分类方法
赵云锋1
陈林林2
罗忠浩3
蒲源源3
尚雪义3
黄文祥4
1.河南大有能源股份有限公司耿村煤矿,河南 三门峡 472401;重庆大学 资源与安全学院,重庆 4000442.河南大有能源股份有限公司耿村煤矿,河南 三门峡 4724013.重庆大学 资源与安全学院,重庆 4000444.重庆工程职业技术学院,重庆 402260
摘要：为获得有效的灾害前兆信息,微震事件分类是必要前提.针对岩体破裂信号与爆破振动信号自动识别准确率低的问题,提出了基于自适应噪声集合经验模态分解(CEEMDAN)的矿山微震信号特征提取及分类方法:采用CEEMDAN求取微震信号的多阶本征模态(IMF)分量,借助相关性系数筛选主分量,计算各主分量的方差贡献率和能量谱系数,以此作为分类学习的特征向量;利用鲸鱼算法(WOA)优化的卷积长短时记忆神经网络(WOA-CNN-LSTM)对岩体破裂和爆破振动信号进行分类.结果表明:CEEMDAN的主分量为PC1～PC8,随着分解层数的增加,岩体破裂信号的方差贡献率和能量谱系数平均值先增后减,而爆破振动信号呈下降趋势;与相关系数、方差贡献率相比,将特征向量能量谱系数作为WOA-CNN-LSTM、支持向量机(SVM)、BP 神经网络 3 种方法的输入,分类准确率最高;WOA-CNN-LSTM的识别效果明显优于Bayes判别法、SVM和BP 神经网络,且基于主分量能量谱系数的分类准确率达到了91.50%.
关键词：微震信号分类自适应噪声集合经验模态分解鲸鱼算法卷积长短时记忆神经网络
分类号：TD326(矿山压力与支护)
资助基金：国家自然科学基金(52004041)国家自然科学基金(U21A2030)国家自然科学基金(52104077)国家自然科学基金(52474093)重庆大学煤矿灾害动力学与控制国家重点实验室访问学者项目(2011DA105287-FW201903)重庆市教委科学技术研究项目(KJQN202203416)
论文发表日期：2025-04-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 105-112,120 )
英文信息